概要

AMEBaS:偏振单细胞比例荧光延时的自动中线提取和背景减法

Published: June 23, 2023
doi:

概要

目前用于分析极化单细胞细胞内动力学的方法通常是手动的,缺乏标准化。本文介绍了一种新颖的图像分析管道,用于在用户友好的在线界面中自动提取单偏振细胞的中线,并量化时间流逝的时空行为。

Abstract

细胞极性是一种宏观现象,由空间集中的分子和结构的集合建立,最终导致亚细胞水平上出现专门的结构域。它与发育不对称的形态结构有关,这些结构是细胞分裂、生长和迁移等关键生物学功能的基础。此外,细胞极性的破坏与组织相关疾病有关,如癌症和胃发育不良。

目前评估单个偏振细胞中荧光报告基因时空动力学的方法通常涉及沿着细胞长轴追踪中线的手动步骤,这既耗时又容易产生强烈的偏差。此外,尽管比率分析可以使用两个荧光通道校正报告分子的不均匀分布,但背景减法技术通常是任意的,缺乏统计学支持。

本文介绍了一种新的计算管道,使用细胞极性模型(花粉管/根毛生长和胞质离子动力学)来自动化和量化单个细胞的时空行为。开发了一种三步算法来处理比率图像并提取细胞内动力学和生长的定量表示。第一步将细胞从背景中分割出来,通过像素强度空间中的阈值技术生成二进制掩码。第二步通过骨架化操作追踪穿过细胞中线的路径。最后,第三步将处理后的数据作为比率延时提供,并生成比率测距仪(即随时间变化的一维空间剖面图)。使用来自生长花粉管的遗传编码荧光报告基因获取的比率图像的数据用于对该方法进行基准测试。该管道可以更快、更少、更准确地表示沿极化细胞中线的时空动力学,从而推进可用于研究细胞极性的定量工具包。AMEBaS Python 源代码可在以下网址获得: https://github.com/badain/amebas.git

Introduction

细胞极性是一个基本的生物学过程,在这个过程中,一系列空间集中的分子和结构的协同作用最终导致了专门的形态亚细胞结构域的建立1。细胞分裂、生长和迁移依赖于这种极性位点,而其丢失与上皮组织相关疾病中的癌症有关2。

顶端生长的细胞是极性的一个戏剧性例子,其中尖端的极性位点通常重新定向到细胞外线索3。这些包括发育中的神经突、真菌菌丝、根毛和花粉管,其中多个细胞过程显示出从细胞尖端到小腿的明显差异。特别是在花粉管中,肌动蛋白聚合、囊泡运输和离子浓度明显极化,显示出以尖端为中心的梯度4。花粉管是开花植物的雄配子体,负责将精子细胞输送到胚珠,以单个细胞已知的最快生长速度之一仅在细胞的顶端生长。钙5 (Ca2+) 和质子 6 (H+) 等离子的尖端聚焦梯度在维持花粉管生长中起着重要作用,这对于实现其主要生物学功能至关重要,最终导致双重受精 5,6因此,分析顶端生长细胞中线时空动力学的定量方法对于研究极化生长的细胞和分子机制至关重要7,8,9研究人员经常使用kymographs,即表示细胞中线(例如,列)随时间(例如,行)的像素强度的矩阵,这允许可视化细胞在对角线上的生长和迁移图1)。尽管它们很有用,但 kymograph 经常通过手动跟踪中线来提取,容易出现偏差和人为错误,同时也相当费力。这需要一种自动化的中线提取方法,这是本文介绍的名为AMEBaS的管道的第一个特征:偏振单细胞的比率荧光延时的utomatic Midline Extraction和Background S牵引。

在实验程序方面,单细胞中感兴趣的离子/分子/物种的定量成像可以通过基因编码的荧光探针10实现。在不断扩大的选择中,比率探针是最准确的探针之一,因为它们在与目标分子结合/未结合时会发出不同的荧光波长11。这允许通过使用两个通道的比率来校正探针细胞内浓度的空间异质性,并减去它们的通道特定背景。然而,估计每个通道和时间点的背景阈值可能是一项复杂的任务,因为它经常在空间上因阴影等效应而变化,其中图像的角落相对于中心有光度变化,并且由于荧光团的褪色(光漂白)而在时间上变化12。尽管有多种可能的方法,但本文建议使用使用 Isodata 算法13 获得的分割阈值自动确定背景强度,然后通过多项式回归作为标准在帧之间进行平滑处理。然而,该方法忽略了与12中去除的靶细胞无关的荧光异质性产生的空间成分。自动阈值可以通过多种方法执行,但 Isodata 算法在经验上产生了最佳结果。因此,自动背景值减法和比率计算是 AMEBaS 的第二个主要功能(图 1),它一起接收一堆双通道荧光显微镜图像作为输入,估计细胞的中线和通道特定背景,并在背景减去、平滑和异常值去除后输出两个通道及其比率的 kymograph(主输出 #1), 以及一堆比例图像(主输出 #2)。

使用在显微镜下获得的生长拟南芥花粉管的荧光延时测试AMEBaS,使用在花粉特异性LAT52启动子下表达的Ca2+ (CaMeleon)8 或pH(pHluorin)6 比率传感器。每 4 秒拍摄一次来自每个通道的图像,耦合到倒置显微镜、前照式相机(2560 像素× 2160 像素,像素大小 6.45 μm)、荧光照明器和水浸物镜 63x,1.2NA。用于CaMeleon的滤光片设置为:激发波长426-450 nm(CFP)和505-515 nm(YFP),发射波长458-487 nm(CFP)和520-550 nm(YFP),而pHluorin的激发波长为318-390 nm(DAPI)和428-475 nm(FITC),发射波长为435-448 nm(DAPI)和523-536 nm(FITC)。添加了一个完整的数据集,用于在 Zenodo (DOI: 10.5281/zenodo.7975350)14 进行测试。

此外,使用根毛数据测试了管道,其中使用光片显微镜 (SPIM) 进行成像,如前所述 15,16 在 UBQ10 启动子的控制下拟南芥根毛表达遗传编码的 Ca2+ 报告基因 NES-YC3.617自制的LabView软件控制了光片显微镜的相机采集、样品平移和快门,可以观察两个cpVenus和CFP通道,还可以实时显示它们的比率。延时摄影的每个比率图像都代表了从间隔 3 μm 的 15 个样品切片中获得的 cpVenus 和 CFP 荧光通道图像之间的最大强度投影 (MIP)。MIPs的延时cpVenus/CFP比值被保存下来,并直接用于AMEBaS分析。

尽管该管道可以处理多种类型的生长和迁移细胞,但它专门设计用于分析仅在尖端生长的生长细胞,例如花粉管、根毛和真菌菌丝,其中框架之间存在非生长细胞质区域的对应关系。当不存在此类对应关系时,用户应在步骤 1.3.1.1 中选择 “complete_skeletonization ”选项(有关详细信息,请参阅“讨论”部分)。

Figure 1
图 1:管道工作流概述。 AMEBaS 流程通过三个主要步骤分析和处理微观时间流逝:单细胞分割、中线追踪和 Kymograph 生成。 请点击这里查看此图的较大版本.

Protocol

1. 交互式笔记本协议 Jupyter 笔记本可以在 https://colab.research.google.com/github/badain/amebas/blob/main/AMEBAS_Colab.ipynb 上使用 Google Colab 直接在 Web 上使用,以下说明基于该说明。或者,Jupyter 笔记本可在 https://github.com/badain/amebas 获得,可以在其中下载并配置为在 Jupyter 中本地运行(Anaconda 可以提供简单的跨平台安装过程)。完整的测试数据可以在Zenodo(https://doi.org/10.5281/zenodo….

Representative Results

AMEBaS 流程可自动从荧光显微镜图像堆栈中提取偏振单细胞的中线动态,从而减少耗时且不易出现人为错误。该方法通过在生长的单细胞中生成kymographs和比率图像堆栈(图1)来量化这些时间流逝。它可以调整为用于迁移单个细胞,但还需要进一步的实验。AMEBaS 在 Python 中作为交互式 Jupyter Notebook(在 交互式 Notebook 协议部分中描述)实现,无需编程经验即可更轻?…

Discussion

这里介绍的新方法是一种有效的工具,可以简化和自动化偏振细胞的荧光显微镜图像堆栈的分析。文献中描述的当前方法,例如 ImageJ Kymograph 插件,需要手动跟踪目标偏振细胞的中线,这项任务不仅耗时,而且容易出现人为错误。由于该管道中中线的定义由执行骨架化的数值方法18,19 支持,因此消除了主观评估从而为该过程引入了定量标准。这对于?…

開示

The authors have nothing to disclose.

Acknowledgements

作者感谢 FAPESP 资助 2015/22308-2、2019/23343-7、2019/26129-6、2020/06744-5、2021/05363-0、CNPq、NIH R01 资助GM131043和 NSF 资助MCB1714993、MCB1930165的财政支持。根毛数据是在 Andrea Bassi 教授和 Alex Costa 教授的监督下通过基础设施制作的。

Materials

Github Github https://github.com/badain/amebas
Google Colab Google https://colab.research.google.com/github/badain/amebas/blob/main/AMEBAS_Colab.ipynb

参考文献

  1. Drubin, D. G., Nelson, W. J. Origins of cell polarity. Cell. 84 (3), 335-344 (1996).
  2. Wodarz, A., Näthke, I. Cell polarity in development and cancer. Nature Cell Biology. 9 (9), 1016-1024 (2007).
  3. Palanivelu, R., Preuss, D. Pollen tube targeting and axon guidance: parallels in tip growth mechanisms. Trends in Cell Biology. 10 (12), 517-524 (2000).
  4. Portes, M. T., et al. . The Pollen Tube Oscillator: Integrating Biophysics and Biochemistry into Cellular Growth and Morphogenesis. Rhythms in Plants: Dynamic Responses in a Dynamic Environment. , (2015).
  5. Wudick, M. M., et al. CORNICHON sorting and regulation of GLR channels underlie pollen tube Ca2+ homeostasis. Science. 360 (6388), 533-536 (2018).
  6. Hoffmann, R. D., et al. Plasma membrane H+-ATPases sustain pollen tube growth and fertilization. Nature Communications. 11 (1), 1-15 (2020).
  7. Michard, E., et al. Glutamate receptor-like genes form Ca2+ channels in pollen tubes and are regulated by pistil D-serine. Science. 332 (6028), 434-437 (2011).
  8. Damineli, D. S., Portes, M. T., Feijó, J. A. Oscillatory signatures underlie growth regimes in Arabidopsis pollen tubes: computational methods to estimate tip location, periodicity, and synchronization in growing cells. Journal of Experimental Botany. 68 (12), 3267-3281 (2017).
  9. Li, K., et al. An optimized genetically encoded dual reporter for simultaneous ratio imaging of Ca2+ and H+ reveals new insights into ion signaling in plants. New Phytologist. 230 (6), 2292-2310 (2021).
  10. Sadoine, M., et al. Designs, applications, and limitations of genetically encoded fluorescent sensors to explore plant biology. Plant Physiology. 187 (2), 485-503 (2021).
  11. Grenzi, M., et al. Illuminating the hidden world of calcium ions in plants with a universe of indicators. Plant Physiology. 187 (2), 550-571 (2021).
  12. Munglani, G., Vogler, H., Grossniklaus, U. Fast and flexible processing of large FRET image stacks using the FRET-IBRA toolkit. PLoS Computational Biology. 18 (4), 1009242 (2022).
  13. Ridler, T., Calvard, S. Picture thresholding using an iterative selection method. IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).
  14. Portes, M. T., Feijó, J. . Growing Arabidopsis pollen tubes expressing genetically encoded reporters for calcium and pH. , (2023).
  15. Candeo, A., Doccula, F. G., Valentini, G., Bassi, A., Costa, A. Light sheet fluorescence microscopy quantifies calcium oscillations in root hairs of Arabidopsis thaliana. Plant & Cell Physiology. 58 (7), 1161-1172 (2017).
  16. Romano Armada, N., et al. In vivo light sheet fluorescence microscopy of calcium oscillations in Arabidopsis thaliana. Methods in Molecular Biology. 1925, 87-101 (2019).
  17. Krebs, M., et al. FRET-based genetically encoded sensors allow high-resolution live cell imaging of Ca2+ dynamics. The Plant Journal. 69 (1), 181-192 (2012).
  18. Lee, T. -. C., Kashyap, R. L., Chu, C. -. N. Building skeleton models via 3-D medial surface axis thinning algorithms. CVGIP: Graphical Models and Image Processing. 56 (6), 462-478 (1994).
  19. Nunez-Iglesias, J., Blanch, A. J., Looker, O., Dixon, M. W., Tilley, L. A new Python library to analyse skeleton images confirms malaria parasite remodelling of the red blood cell membrane skeleton. PeerJ. 6, 4312 (2018).

Play Video

記事を引用
Badain, R., Damineli, D. S. C., Portes, M. T., Feijó, J., Buratti, S., Tortora, G., Neves de Oliveira, H., Cesar Jr, R. M. AMEBaS: Automatic Midline Extraction and Background Subtraction of Ratiometric Fluorescence Time-Lapses of Polarized Single Cells. J. Vis. Exp. (196), e64857, doi:10.3791/64857 (2023).

View Video